知識圖譜工具 Graphify 完整教學：讓 AI 自動看懂整個程式庫，省 71 倍 Token

你有沒有遇過這種情況：拿到一個陌生的 GitHub 開源工具，打開一堆資料夾和檔案，完全不知道從哪裡讀起？或者你的 AI 知識庫裡累積了幾十份 PDF 和筆記，每次要 AI 回答問題，它都要把全部文件重新讀一遍，Token 燒錢燒得心疼？

這篇文章要介紹一個解決方案：Graphify——一個能把任何資料夾（程式碼、文件、PDF、圖片）自動轉換成可查詢知識圖譜的工具，讓 AI 用「看地圖」取代「讀所有文件」，查詢效率提升 71.5 倍，成本大幅下降。

更有趣的是，這篇文章的內容本身就是一個真實案例——我今天實際用 Claude Code 分析了 Graphify 這個開源工具，從讀懂它、理解它能做什麼，到把它整理成一份可重複使用的「技能卡」，全程不到半小時。以下完整還原這個過程。

Graphify 是什麼？用一句話說清楚

Graphify 是一個 Claude Code 技能（Skill），它做的事情很簡單：

📌 【名詞解釋】Graphify
白話定義：把一個資料夾裡所有的程式碼、文件、PDF、圖片，自動分析出裡面的「概念」和「概念之間的關聯」，畫成一張互動式地圖。
具體功能：輸入任意資料夾 → 輸出知識圖譜（HTML 互動地圖 + JSON 可查詢資料）
選擇理由：查詢時 AI 不需要重讀所有文件，直接走圖譜，省 71.5 倍 Token
底層邏輯：用 Tree-sitter 解析程式碼 AST，用 Claude 子代理並行提取文件語意，用 Leiden 演算法做社群分群

📌 【名詞解釋】知識圖譜（Knowledge Graph）
白話定義：把「概念」當成點，把「概念之間的關係」當成線，畫出來的一張網狀地圖。
具體功能：讓人（或 AI）一眼看到「A 和 B 有關係」「C 是 D 的子概念」，而不需要逐字讀完所有文件。
選擇理由：複雜知識庫的查詢效率比線性搜尋高出數十倍
底層邏輯：節點（Node）= 概念，邊（Edge）= 關係，邊有信心分數（EXTRACTED / INFERRED / AMBIGUOUS）

為什麼需要 Graphify？傳統方式的痛點

當你把一個資料夾交給 AI 分析，傳統做法是什麼？

傳統做法（沒有 Graphify）：
  資料夾有 50 個檔案
       ↓
  你問 AI：「這個工具有哪些功能？」
       ↓
  AI 把 50 個檔案全部讀一遍
       ↓
  消耗大量 Token（假設每檔 500 Token = 25,000 Token）
       ↓
  回答你一個問題

用了 Graphify 之後：
  資料夾有 50 個檔案
       ↓
  Graphify 一次性建立知識圖譜（graph.json）
       ↓
  你問 AI：「這個工具有哪些功能？」
       ↓
  AI 查圖譜（圖譜摘要約 350 Token）
       ↓
  回答你同一個問題

節省：25,000 → 350 Token = 省了 71.5 倍

圖譜建立只需要一次，之後每次查詢都走圖譜。資料夾越大、查詢次數越多，省下的 Token 就越可觀。

真實案例：我今天怎麼用 Claude Code 分析 Graphify？

以下是今天實際發生的操作過程，完整還原「拿到一個 GitHub 連結 → 讀懂它 → 變成可重複使用的技能」這個流程。

第一步：給 Claude Code 一個 GitHub 連結

阿宥（使用者）把 https://github.com/safishamsi/graphify 貼給 Claude Code，說：「去理解這個，增加到我的技能。」

Claude Code 立刻執行以下動作：

步驟一：派出 Explore 子代理
  └── WebFetch 抓取 GitHub 主頁 README
  └── 提取：工具名稱、解決問題、功能列表、安裝方式、指令範例

步驟二：理解工具本質
  └── 這個工具做什麼？→ 把混合媒體轉成知識圖譜
  └── 解決什麼痛點？→ 大型知識庫查詢 Token 太貴
  └── 誰會用？→ Claude Code 使用者、知識管理重度用戶

步驟三：對應到阿宥的任務系統
  └── 任務五（AI 知識庫）→ 直接強化知識庫查詢效率
  └── 任務七（任務協調）→ 把所有流程.md 建成圖譜找協作機會

步驟四：建立技能卡（.md 格式）
  └── 包含：安裝指令、核心指令速查、使用場景、評估結論

第二步：建立技能卡

整個分析完成後，Claude Code 自動在技能庫資料夾建立了 06-知識圖譜生成-graphify.md，內容包含：

• 安裝步驟（含預期結果驗證）
• 核心指令速查表
• 三個具體使用場景（含流程圖）
• 輸出產物說明（graph.html、graph.json、Obsidian 格式等）
• 與阿宥現有任務的對應關係
• 評估結論（是否立即可用、安裝難度、Token 效益）

這份技能卡的價值在於：下次遇到任何需要「理解大型資料夾」或「降低知識庫查詢成本」的情境，直接翻出來執行，不需要重新研究。

Graphify 怎麼安裝？三步驟完成

Graphify 的安裝相當簡單，只需要 Python 環境即可。

📌 【名詞解釋】pip
白話定義：Python 的「應用程式商店」，輸入工具名稱就能自動下載安裝。
具體功能：一行指令安裝任何 Python 套件
底層邏輯：從 PyPI（Python Package Index）下載並安裝指定套件及其依賴

步驟一：安裝套件

打開終端機，輸入以下指令：

pip install graphifyy

預期結果：看到「Successfully installed graphifyy-x.x.x」訊息，沒有紅色錯誤字。

步驟二：在 Claude Code 中安裝技能

graphify install

預期結果：自動把 skill.md 複製到 Claude Code 技能目錄，並更新你的 CLAUDE.md 設定檔。

步驟三：確認安裝成功

graphify --help

預期結果：顯示所有可用指令列表，代表安裝成功，可以開始使用。

Graphify 怎麼用？核心指令速查

建立知識圖譜

# 從當前資料夾建立圖譜（最常用）
/graphify .

# 指定某個資料夾
/graphify ./我的專案資料夾

# 深度推理模式（推斷更多潛在關聯）
/graphify . --mode deep

# 只更新有修改的檔案（增量模式，省時間）
/graphify . --update

# 監控模式：檔案一有變動就自動更新圖譜
/graphify . --watch

查詢知識圖譜

# 廣度優先搜尋（適合找大範圍相關概念）
/graphify query "AdSense 廣告收益的優化策略"

# 深度優先追蹤（適合追一條脈絡到底）
/graphify query "Search Console 索引" --dfs

# 找兩個概念之間的最短關係路徑
/graphify path "任務一" "任務四"

# 完整解釋某個概念節點
/graphify explain "SEO"

執行後會產生什麼？輸出檔案說明

graphify-out/（自動建立在你指定的資料夾）
  │
  ├── graph.html        → 互動式視覺化地圖（瀏覽器開啟，可點擊、搜尋）
  ├── graph.json        → 持久化圖譜資料（AI 查詢用，跨對話保存）
  ├── GRAPH_REPORT.md   → 分析報告（核心節點、驚喜關聯、建議問題）
  ├── obsidian/         → Obsidian 筆記格式（可直接匯入）
  │   └── graph.canvas
  └── wiki/             → 自動生成的 Wikipedia 風格文件

其中最重要的是 graph.html 和 graph.json：

• graph.html：用瀏覽器打開，就能看到完整的互動知識地圖，節點大小代表重要程度，可以點擊任何節點查看詳情。
• graph.json：這是讓 AI 在下次對話中繼續查詢的關鍵檔案，不需要重新建立圖譜，節省大量時間和 Token。

支援的檔案格式

Graphify 幾乎支援所有常見格式：

三個最值得使用的場景

場景一：快速看懂新的 GitHub 工具

Clone 一個陌生的 GitHub repo
       ↓
/graphify ./repo名稱
       ↓
/graphify query "這個工具的核心架構是什麼？"
       ↓
5 分鐘內看懂整個專案，不需要逐檔讀

場景二：建立個人 AI 知識庫

把收集的 PDF、筆記、教學文章放進一個資料夾
       ↓
/graphify ./知識庫資料夾
       ↓
之後每次查詢走圖譜而非重讀全部文件
       ↓
每次查詢省 71.5 倍 Token，知識庫越大省越多

場景三：找出任務之間的協作機會

把所有工作流程文件餵給 Graphify
       ↓
/graphify query "哪些任務共用相同工具？"
/graphify path "發文流程" "社群推廣"
       ↓
找出可以合併或自動化的步驟
       ↓
優化整體工作效率

Graphify 優缺點整理

什麼時候「不應該」用 Graphify？

• 資料夾少於 10 個檔案：建立圖譜的固定成本比直接讀還貴，不划算。
• 只查一次的問題：如果只是臨時問一個問題，直接問 AI 更快。
• 頻繁更動的資料夾：圖譜需要重建，但可以用 --update 增量模式降低成本。

Graphify 最適合的是：中大型、相對穩定、會重複查詢的知識庫。

推薦工具比較

總結：Graphify 適合你嗎？

如果你符合以下任一條件，Graphify 值得立刻安裝試用：

• 你有超過 20 個以上的文件/程式碼需要 AI 幫你管理
• 你常常需要 AI 幫你讀懂陌生的 GitHub 專案
• 你在用 Claude Code，想降低 Token 消耗成本
• 你想建立一個「讓 AI 長期記住」的個人知識庫

安裝只需要一行：

pip install graphifyy && graphify install

安裝後執行 /graphify .，幾分鐘內就能看到你的第一張知識圖譜。

有任何安裝問題或使用心得，歡迎在留言區分享！

📚 延伸閱讀：你可能也有興趣

• Claude Code 指令完整攻略：50+ 斜線指令、快捷鍵與 CLI 旗標，效率翻倍秘技（2026）
• Claude Code 怎麼連接 NotebookLM？MCP 安裝完整教學，自動生成影片總覽（2026）
• Claude Code 長期記憶怎麼設定？Memvid + Hooks 讓 AI 自動記住你，零基礎完整教學（2026）
• Claude Code Hooks、CLAUDE.md、MCP 整合一次搞懂（2026最新）

➜ 查看更多 AI 數位應用與雲林房地產分析文章

❓ 常見問題 FAQ